吴恩达机器学习 笔记四十三 从大目录中推荐

 电影、广告、音乐、购物网站会有数以百万项内容，这时要计算很多很多次Xm->Vm的网络，显然是不可行的。

许多尺度损失推荐系统的实现有以下两步：检索和排序。

第一步：检索

生成一个较大的可能项的列表，例如电影推荐，可以找到用户最近看过的十部电影，然后找到十部最相似的电影，对于看的最多的三类找到十部最好的电影，再加上这个国家最受欢迎的前二十部电影，这样大概得到一个有数百个电影的列表。然后检索，删除已经看过的或者买过的东西。这个过程中得到的电影可以是用户完全不喜欢的，关键在于要涵盖一个较大的面。

 第二步：排序

把向量放到神经网络中，计算predictions，然后排序。

检索步骤如果检索的量增大的话会导致更好的推荐效果但是会慢。可以做离线实验看看检索额外项的影响。